DB2 NOT EXISTS 与NOT IN效率比较

最近在看牛新庄的《DB2数据库性能调整和优化》，他里面提及到NOT EXISTS与NOT IN的效率比较问题。 网上也看了不少讨论。按照书中结论EXISTS比IN 的效率高。网上也有相关的文章。也有无数网友推荐用EXISTS。但是我测试出来的结果是IN的效率比EXISTS高。

我们先来梳理EXISTS 与 IN的工作原理：

EXISTS是先得到外层表的结果集（例子中CUSTOMER中的结果），用外层表结果集一条一条在内层表中（TXNSALE）查询。

IN 是先生成内层表结果集（TXNSALE），再用外层表结果集到内层表去做比较。

书中的结论:外层结果集大,内层结果集小时,EXISTS效率高。外层结果集大，内层结果集小时，IN的效率高。

测试的结果:都是IN的效率高。

例子：

NOT IN 与 NOT EXISTS 的比较

查找出没有交易的客户和客户姓名，并统计他们的人数

CUSTOMER表中有6000000+条记录--小表

TXNSALE表中有40000000+条记录--大表

第一组比较：

外层表结果集数据小，内层表结果集大。按照书中的结论，外层循环是小结果集，内层循环大结果集，用EXISTS效率高。结果是采用IN的效率更高，EXISTS耗时18秒，IN耗时15秒。

NOT EXISTS：

[align=left]SELECT COUNT (*) FROM ([/align]
SELECT CUST_ID FROM CUSTOMER WHERE NOT EXISTS (SELECT 1 FROM TXNSALE WHERE CUST_ID
= TXNS_CUST_ID)
[align=left])AS TA[/align]
[align=left]结论：1360118条记录，耗费：18315ms[/align]
[align=left]
[/align]
[align=left]NOT IN：[/align]

[align=left]SELECT COUNT (*) FROM ([/align]
SELECT CUST_ID FROM CUSTOMER WHERE CUST_ID NOT IN (SELECT TXNS_CUST_ID FROM TXNSALE
)
[align=left]) AS TX[/align]
[align=left]结论：1360118条记录，耗费15803ms[/align]
[align=left]
[/align]
[align=left]第二组比较：[/align]
[align=left]我们缩减customer的范围（CUST_ID<10000时，其中有100条记录），把第一组的测试条件变的更苛刻：外层循环结果集小，内层循环结果集大。按照书中理论应该EXISTS效率高些，结果IN效率高。EXISTS耗时0.6秒，IN耗时0.09秒。[/align]

[align=left]SELECT COUNT (*) FROM ([/align]
SELECT CUST_ID FROM CUSTOMER WHERE CUST_ID < 10000 AND  NOT EXISTS (SELECT 1 FROM TXNSALE WHERE CUST_ID
= TXNS_CUST_ID)
[align=left])AS TA[/align]

[align=left]将customer的范围缩减到100条。[/align]
[align=left]429，686ms[/align]
[align=left]
[/align]

SELECT COUNT (*) FROM (
SELECT CUST_ID FROM CUSTOMER WHERE CUST_ID < 10000 AND CUST_ID NOT IN (SELECT TXNS_CUST_ID FROM TXNSALE
)
[align=left]) AS TX[/align]
[align=left]429,94ms[/align]

[align=left]
[/align]
[align=left]第三组比较：[/align]
[align=left]我们缩减customer的范围（TXNS_TRANS_NBR <10000时，其中有800+条记录）：外层循环结果集大，内层循环结果集小。按照书中理论应该IN效率高些，结果IN效率高。EXISTS耗时10秒，IN耗时9秒。[/align]
[align=left]缩减in的范围(将TXNSALE范围缩小到800+条)：[/align]

[align=left]SELECT COUNT (*) FROM ([/align]
SELECT CUST_ID FROM CUSTOMER WHERE NOT EXISTS (SELECT 1 FROM TXNSALE WHERE CUST_ID
= TXNS_CUST_ID AND TXNS_TRANS_NBR < 1000)
[align=left])AS TA[/align]
[align=left]6450321，10577ms[/align]

[align=left]SELECT COUNT (*) FROM ([/align]
SELECT CUST_ID,FROM CUSTOMER WHERE CUST_ID NOT IN (SELECT TXNS_CUST_ID FROM TXNSALE WHERE TXNS_TRANS_NBR
< 1000)
[align=left]) AS TX[/align]

[align=left]640321, 9765ms[/align]
[align=left]
[/align]
[align=left]结论：[/align]
[align=left]都是IN的效率比EXISTS高，无论外层内层结果集的大小如何。在DB2中,IN 的效率都比EXISTS高。不知道是不是现在商用数据库对半连接IN的优化。如果有新的结论。我会继续更新。[/align]
[align=left]这里仅仅是根据我测试的结果得出的结论，欢迎指正。[/align]